一种确定故障穿梭车的方法和装置与流程

1.本发明涉及仓储物流领域，尤其涉及一种确定故障穿梭车的方法和装置。


背景技术：

2.现有的仓储物流系统中的穿梭车主要以其故障次数这一单一指标作为下线维修评价标准，评价维度片面，评价结果不够客观全面。而若采用熵值法作为评价方法，则无法克服指标为零的问题。


技术实现要素：

3.有鉴于此，本发明实施例提供一种确定故障穿梭车的方法和装置，能够从多个维度综合评估穿梭车，并降低多个维度的变量间的信息重合度，克服现有技术中指标不能为零的问题，以整合后的综合故障等级作为评价指标，解决了现有技术中单种方法评价片面及多种方法评价不一致问题。从而充分利用有限的维修资源处理确认后的故障穿梭车，提高维修的有效性和维修效率。
4.为实现上述目的，根据本发明实施例的一个方面，提供了一种确定故障穿梭车的方法，包括：
5.采集各穿梭车的多种异常因子对应的异常数据；
6.根据多种故障等级分析方法和异常数据确定对应故障等级分析方法下各穿梭车的故障等级；
7.分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级；
8.根据每辆穿梭车的综合故障等级确定故障穿梭车，并生成控制指令控制所述故障穿梭车停止作业。
9.可选的，所述采集各穿梭车的多种异常因子对应的异常数据包括：
10.采集各辆待确定穿梭车一段时间内的每日多种异常因子的数据；
11.针对每辆穿梭车，分别计算其每种异常因子对应的异常数据在所述一段时间内的采样值；
12.根据所述采样值确定每种异常因子对应的极差，每辆穿梭车的每种异常因子对应的中间值与该种异常因子的极差正相关；
13.分别针对每种异常因子，将该种异常因子下各辆穿梭车的所述中间值按所述穿梭车的编号排序，组成该种异常因子对应的因子向量；
14.将所述因子向量作为所述多种故障等级分析方法分析的异常数据。
15.可选的，所述的采样值为每辆穿梭车的每种异常因子对应的异常数据在所述一段时间内的平均值、中位数、最大值或最小值中的一种。
16.可选的，所述多种故障等级分析方法中的一种为相关系数法评分方法，包括：
17.针对每个因子向量，分别计算其与全部因子向量间的相关系数，并按上述计算顺序将相应的相关系数作为相关系数矩阵中的对应元素；
18.根据所述的相关系数矩阵计算每种异常因子对应的相关系数平均值，其中，首先确定相关系数矩阵中的第j列元素求和结果与1的差值，再将差值除以(m
‑
1)以获得第j种异常因子对应的相关系数平均值；
19.计算各个异常因子的中间权重，所述的各种异常因子的中间权重与该种异常因子对应的相关系数平均值负相关；
20.计算各个异常因子的权重值，其中，第j个异常因子的权重值等于该异常因子的中间权重除以全部异常因子的中间权重的和；
21.计算每辆穿梭车在相关系数法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在相关系数法评分方法下的评分，再对各穿梭车的相关系数法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
22.可选的，所述多种故障等级分析方法中的一种为方差法评分方法，包括：
23.针对每种异常因子，计算全部穿梭车的该异常因子对应的中间值的方差；
24.计算各异常因子的权重值，其中，第j个异常因子的权重值等于该异常因子的所述方差除以全部异常因子的所述方差的和；
25.计算每辆穿梭车在方差法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在方差法评分方法下的评分，再对各穿梭车的方差法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
26.可选的，所述多种故障等级分析方法中的一种为专家法评分方法，包括：
27.预设各个异常因子对应的权重值；
28.计算每辆穿梭车在专家法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在专家法评分方法下的评分，再对各穿梭车的专家法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
29.可选的，所述分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级，包括：
30.预设各个故障等级分析方法对应的权重值；
31.针对每辆穿梭车，依次计算每种故障等级分析方法下该穿梭车的故障等级与该故障等级分析方法对应的权重值的积，再将所有的积求和以得到该穿梭车的综合评分，再对各个穿梭车的综合评分排序以得到对应穿梭车的所述综合故障等级。
32.可选的，预设的各个故障等级分析方法对应的权重值相等。
33.可选的，预设的所述权重值的和为1。
34.可选的，根据每辆穿梭车的综合故障等级确定故障穿梭车还包括：
35.根据综合故障等级选取降序排序结果的前α％辆穿梭车或前a辆穿梭车作为故障穿梭车。
36.根据本发明实施例的第二方面，提供一种确定故障穿梭车的装置，包括：
37.采集模块，采集各穿梭车的多种异常因子对应的异常数据；
38.评估模块，根据多种故障等级分析方法和异常数据确定对应故障等级分析方法下
各穿梭车的故障等级；分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级；
39.确定模块，根据每辆穿梭车的综合故障等级确定故障穿梭车，并生成控制指令控制所述故障穿梭车停止作业。
40.可选的，采集模块中所述采集各穿梭车的多种异常因子对应的异常数据包括：
41.采集各辆待确定穿梭车一段时间内的每日多种异常因子的数据；
42.针对每辆穿梭车，分别计算其每种异常因子对应的异常数据在所述一段时间内的采样值；
43.根据所述采样值确定每种异常因子对应的极差，每辆穿梭车的每种异常因子对应的中间值与该种异常因子的极差正相关；
44.分别针对每种异常因子，将该种异常因子下各辆穿梭车的所述中间值按所述穿梭车的编号排序，组成该种异常因子对应的因子向量；
45.将所述因子向量作为所述多种故障等级分析方法分析的异常数据。
46.可选的，采集模块中所述的采样值为每辆穿梭车的每种异常因子对应的异常数据在所述一段时间内的平均值、中位数、最大值或最小值中的一种。
47.可选的，评估模块中所述多种故障等级分析方法中的一种为相关系数法评分方法，包括：
48.针对每个因子向量，分别计算其与全部因子向量间的相关系数，并按上述计算顺序将相应的相关系数作为相关系数矩阵中的对应元素；
49.根据所述的相关系数矩阵计算每种异常因子对应的相关系数平均值，其中，首先确定相关系数矩阵中的第j列元素求和结果与1的差值，再将差值除以(m
‑
1)以获得第j种异常因子对应的相关系数平均值；
50.计算各个异常因子的中间权重，所述的各种异常因子的中间权重与该种异常因子对应的相关系数平均值负相关；
51.计算各个异常因子的权重值，其中，第j个异常因子的权重值等于该异常因子的中间权重除以全部异常因子的中间权重的和；
52.计算每辆穿梭车在相关系数法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在相关系数法评分方法下的评分，再对各穿梭车的相关系数法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
53.可选的，评估模块中所述多种故障等级分析方法中的一种为方差法评分方法，包括：
54.针对每种异常因子，计算全部穿梭车的该异常因子对应的中间值的方差；
55.计算各异常因子的权重值，其中，第j个异常因子的权重值等于该异常因子的所述方差除以全部异常因子的所述方差的和；
56.计算每辆穿梭车在方差法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在方差法评分方法下的评分，再对各穿梭车的方差法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
57.可选的，评估模块中所述多种故障等级分析方法中的一种为专家法评分方法，包括：
58.预设各个异常因子对应的权重值；
59.计算每辆穿梭车在专家法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在专家法评分方法下的评分，再对各穿梭车的专家法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
60.可选的，评估模块中所述分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级，包括：
61.预设各个故障等级分析方法对应的权重值；
62.针对每辆穿梭车，依次计算每种故障等级分析方法下该穿梭车的故障等级与该故障等级分析方法对应的权重值的积，再将所有的积求和以得到该穿梭车的综合评分，再对各个穿梭车的综合评分排序以得到对应穿梭车的所述综合故障等级。
63.可选的，评估模块中预设的各个故障等级分析方法对应的权重值相等。
64.可选的，评估模块中预设的所述权重值的和为1。
65.可选的，确定模块中根据每辆穿梭车的综合故障等级确定故障穿梭车还包括：
66.根据综合故障等级选取降序排序结果的前α％辆穿梭车或前a辆穿梭车作为故障穿梭车。
67.根据本发明实施例的第三方面，提供一种确定故障穿梭车的电子设备，包括：
68.一个或多个处理器；
69.存储装置，用于存储一个或多个程序，
70.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例第一方面提供的方法。
71.根据本发明实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的方法。
72.上述发明中的一个实施例具有如下优点或有益效果：根据多种故障等级分析方法和异常数据确定对应故障等级分析方法下各穿梭车的故障等级；分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级；根据每辆穿梭车的综合故障等级确定故障穿梭车，并生成控制指令控制所述故障穿梭车停止作业；能够充分利用每个分析方法侧重点不一样，优点不一样的特点，客观真实的反映设备异常状态；并综合考虑多个评分法的结果，有效避免单一评分方法所造成的偏差；充分利用有限的维修资源处理确认后的故障穿梭车(即所述停止作业的穿梭车)，提高维修的有效性和维修效率；解决现有技术中的分析方法误判故障设备而导致维修资源浪费的问题。通过采用相关系数法评分方法有效降低或减小异常因子间相互重复的信息；即若某个异常因子已经包含了其他异常因子的信息，则其权重值应该小，否则权重值应该大；从而降低或减小因子间相互重复的信息。通过采用方差法评分方法克服了熵值法中指标不能为零的缺点，并且直接用方差度量每个因子的离散程度，实现了和熵值法同样的目的。
73.上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
74.附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
75.图1是根据本发明实施例的确定故障穿梭车的方法的主要流程的示意图；
76.图2是根据本发明实施例的包括相关系数法评分方法确定故障穿梭车的方法的主要流程的示意图；
77.图3是根据本发明实施例的包括方差法评分方法确定故障穿梭车的方法的主要流程的示意图；
78.图4是根据本发明实施例的包括专家法评分方法确定故障穿梭车的方法的主要流程的示意图；
79.图5是根据本发明实施例的又一种确定故障穿梭车的方法的主要流程的示意图；
80.图6是根据本发明实施例的确定故障穿梭车的装置的主要模块的示意图；
81.图7是本发明实施例可以应用于其中的示例性系统架构图；
82.图8是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
83.以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
84.根据本发明实施例的一个方面，提供了一种确定故障穿梭车的方法。
85.图1是根据本发明实施例的确定故障穿梭车的方法的主要流程的示意图。如图1所示，根据本发明实施例的确定故障穿梭车的方法，包括：步骤s101
‑
步骤s104。
86.步骤s101，采集各穿梭车的多种异常因子对应的异常数据。
87.以仓储物流领域为例，穿梭车在使用过程会出现各种异常，并影响作业效率，甚至部分异常导致设备需要下线维修。穿梭车的异常包括左、右拔叉落下故障、elmo倍程驱动器故障、倍程上电故障、轮系规划速度超差等。为了全方位、多角度的评估多种异常因子，以获得准确的设备故障评估结果，需要采集各穿梭车的多种异常因子对应的异常数据。当然，根据数据类型的不同，可以适当处理所述异常数据以为后续的故障评估做准备。
88.可选的，所述采集各穿梭车的多种异常因子对应的异常数据包括：
89.采集各辆待确定穿梭车一段时间内的每日多种异常因子的数据；
90.针对每辆穿梭车，分别计算其每种异常因子对应的异常数据在所述一段时间内的采样值；
91.根据所述采样值确定每种异常因子对应的极差，每辆穿梭车的每种异常因子对应的中间值与该种异常因子的极差正相关；
92.分别针对每种异常因子，将该种异常因子下各辆穿梭车的所述中间值按所述穿梭车的编号排序，组成该种异常因子对应的因子向量；
93.将所述因子向量作为所述多种故障等级分析方法分析的异常数据。
94.在实际应用中，现有技术或者仅使用故障次数这一单一指标作为评价标准，评价
维度较片面，未考虑其他重要因素；或者采用综合评估多个异常因子的方法，但所采用的方法存在异常信息重复评估的问题，不能真实反应客观故障。因此本发明提出采用多维度、多方法综合评估异常因子的方法，从而客观真实的确定具体的故障穿梭车。首先，采集n辆待确定穿梭车一段时间内的每日m种异常因子的数据；其中n≥2，且为正整数；m≥2，且为正整数。本发明的一个实施例示例性的选择穿梭车作为待确定设备，并采集以下一段时间的每日数据：异常次数、异常种类数量、异常率、故障间隔小时。也即，此处示例性的选择4种异常因子，分别为异常次数、异常种类数量、异常率、故障间隔小时。所述的一段时间可以选为近期连续的数天、一周、一个月、两个月、半年、一年、数年等等，具体的可以根据实际所使用的穿梭车属性适当延长或缩短所述时间。为了方便对不同的异常数据类型进行处理，也方便后文整合处理各种故障等级分析方法以获得最终综合故障等级，本发明一个实施例示例性地针对每辆穿梭车，分别计算其每种异常因子对应的异常数据在所述一段时间内的采样值。如前文所述，所述的异常次数的采样值x1表示每辆穿梭车每日发生的异常次数，也即每辆穿梭车在选定的一段时间内异常次数之和与该段时间相除得到的平均值；异常种类数量采样值x2表示每辆穿梭车每日发生了多少种故障，也即每辆穿梭车在选定的一段时间内每日故障种类之和与该段时间相除得到的平均值；异常率采样值x3为每辆穿梭车平均每日异常次数与平均每日搬运料箱数的比值；故障间隔小时采样值x4为每辆穿梭车平均每日的工作时长与平均每日异常次数的比值。可以理解的，x1,x2和x3越大表示该穿梭车问题越严重，但x4越小表示越严重。因此，为了方便后续的综合分析各个指标，本发明的一个实施例示例性的选择将x4取倒数的结果作为评估指标，即表示每小时发生的故障次数，此时该指标越大表示该穿梭车问题越严重。所述的采样值除采用前文描述的平均值外，也可采用选定的一段时间内的每辆穿梭车的各种异常因子对应的每日异常数据的中位数等。例如，所述的x1表示每辆穿梭车在选定的时间内根据每日发生的异常次数得出的中位数；x2表示每辆穿梭车在选定的时间内根据每日发生了多少种故障得出的中位数；x3为每辆穿梭车在选定的时间内根据每日异常次数与每日搬运料箱数的比值结果确定的中位数；x4为每辆穿梭车在选定的时间内根据每日的工作时长与每日异常次数的比值结果确定的中位数，当然此处也要将x4取倒数的结果作为评估指标。进一步地，还包括根据所述采样值计算每辆穿梭车的每种异常因子对应的中间值。具体的，可根据所述采样值确定每种异常因子对应的极差，每辆穿梭车的每种异常因子对应的中间值与该种异常因子的极差正相关。针对某种异常因子，所述的极差指各穿梭车的该种异常因子的最大采样值与各穿梭车的该种异常因子的最小采样值的差值。所述的正相关包括但不限于成正比例。一个实施例中，采用如下方法确定每辆穿梭车的每种异常因子对应的所述中间值：首先确定第i辆穿梭车的第j种异常因子的所述采样值与各穿梭车的第j种异常因子的所述采样值的最小值的差值，再确定各穿梭车的第j种异常因子的所述采样值的最大值与各穿梭车的第j种异常因子的所述采样值的最小值的差值，第i辆穿梭车的第j种异常因子对应的中间值等于第一个差值除以第二个差值；其中，i属于n，j属于m。具体地，中间值的计算流程如下面的公式所示：
[0095][0096]
其中，y
ij
表示第i辆穿梭车的第j种异常因子对应的中间值，x
ij
表示第i辆穿梭车的第j种异常因子的所述采样值，min{x
ij
,i＝1,2,...,n}表示各穿梭车的第j种异常因子的
所述采样值的最小值，max{x
ij
,i＝1,2,...,n}表示各穿梭车的第j种异常因子的所述采样值的最大值，上述公式中i属于n，j属于m。
[0097]
在上述获取的全部中间值的基础上，进一步需要分别针对每种异常因子，将该种异常因子下各辆穿梭车的所述中间值按所述穿梭车的编号排序，组成该种异常因子对应的因子向量y
j
，其中
[0098]
y
j
＝(y
1j
,y
2j
,...,y
nj
)
[0099]
其中，j属于m。并且根据前文的描述，在选定m种异常因子后，共可求得m个因子向量。
[0100]
最终，将所述因子向量作为所述多种故障等级分析方法分析的异常数据，也即采用多种故障等级分析方法分别分析所述各个因子向量中的每个元素。
[0101]
此外，上述实施例示例性选取的穿梭车的四个指标极具代表性。x1和x2可看作是对穿梭车异常(或称作故障)绝对量的度量，x3和x4可看作是考虑了工作量后的异常(或称作故障)数量度量，每个指标都具有明确的实际含义。
[0102]
可选地，所述的采样值为每辆穿梭车的每种异常因子对应的异常数据在所述一段时间内的平均值、中位数、最大值或最小值中的一种。
[0103]
由于不同的异常因子其反应的故障种类和严重程度各不相同，针对不同的异常因子对应的数据，可以选用不同的数据处理方法，或选用相同的数据处理方法。因此，实际使用过程中，根据具体选择的异常因子所代表的异常种类不同，可以适当选择所需的数据处理方法，以便能够真实有效的反应设备的具体故障情况。实践中，可以选用诸如每辆穿梭车的每种异常因子对应的异常数据在所述一段时间内的平均值、中位数、最大值或最小值中的任一种。当故障穿梭车确认结果不符合实际时，可以适当调整相关异常因子对应数据的处理方式，以获得所需的评估结果。
[0104]
步骤s102，根据多种故障等级分析方法和异常数据确定对应故障等级分析方法下各穿梭车的故障等级。
[0105]
为了避免采用单一故障等级分析方法而导致评分结果过于片面的问题，本发明一个实施例示例性的根据不同的异常因子而选择多种故障等级分析方法进行异常数据评估以解决上述问题。本发明的一个实施例示例性的选择相关系数法评分方法、方差法评分方法、专家法评分方法。当然，根据具体使用情况的不同，可以适当调整或增减具体的故障等级分析方法。由于每种故障等级分析方法侧重点不一样，优点也不一样，采用多种故障等级分析法后可以有效避免单一评分方法所造成的偏差。实际使用过程中，可以直接利用多种故障等级分析方法分别评估未经处理的异常数据，也可以评估经前文描述的经过处理而获得的各个因子向量，即用经处理而得到的各个因子向量替换原始的异常数据。为了避免多种故障等级分析方法评价不一致的问题，便于整合多种故障等级分析方法获得的结果。本发明的一个实施例示例性的采用对每种故障等级分析方法获得的分析结果进行排序，以获得所述穿梭车在对应故障等级分析方法下的异常情况排序结果，并将排序结果作为故障等级。诸如，采用相关系数法评分方法、方差法评分方法、专家法评分方法等，可以分别获得各穿梭车在对应故障等级分析方法下的排序结果。具体的，根据相关系数法评分方法评分结果按从小到大的顺序计算每辆穿梭车相应的排序值，此处称作秩，第i辆穿梭车的秩记作即第i辆穿梭车在相关系数法评分方法下的故障等级；根据方差法评分方法的评分结果
按从小到大的顺序计算每辆穿梭车相应的排序值，此处称作秩，第i辆穿梭车的秩记作即第i辆穿梭车在方差法评分方法下的故障等级；根据专家法评分方法的评分值结果按从小到大的顺序计算每辆穿梭车相应的排序值，此处称作秩，第i辆穿梭车的秩记作即第i辆穿梭车在专家法评分方法下的故障等级。
[0106]
可选地，所述多种故障等级分析方法中的一种为相关系数法评分方法，包括：
[0107]
针对每个因子向量，分别计算其与全部因子向量间的相关系数，并按上述计算顺序将相应的相关系数作为相关系数矩阵中的对应元素；
[0108]
根据所述的相关系数矩阵计算每种异常因子对应的相关系数平均值，其中，首先确定相关系数矩阵中的第j列元素求和结果与1的差值，再将差值除以(m
‑
1)以获得第j种异常因子对应的相关系数平均值；
[0109]
计算各个异常因子的中间权重，所述的各种异常因子的中间权重与该种异常因子对应的相关系数平均值负相关；
[0110]
计算各个异常因子的权重值，其中，第j个异常因子的权重值等于该异常因子的中间权重除以全部异常因子的中间权重的和；
[0111]
计算每辆穿梭车在相关系数法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在相关系数法评分方法下的评分，再对各穿梭车的相关系数法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
[0112]
如图2所示的一个实施例包括相关系数法评分方法。实际使用过程中，相关系数法评分方法首先要求解m个因子向量间的相关系数矩阵r。可以采用多种相关系数方法求解因子向量间的相关系数，本发明的一个实施例示例性的选择采用皮尔逊相关系数法计算m个因子向量间的皮尔逊相关系数，进而得到相关系数矩阵r，如下所示：
[0113][0114]
其中，r
ij
表示第i个因子向量与第j个因子向量间的相关系数，且i属于m，j属于m。
[0115]
根据所述的相关系数矩阵，计算每种异常因子对应的相关系数平均值其中，首先确定相关系数矩阵中的第j列元素求和结果与1的差值，再将该差值除以(m
‑
1)以获得第j种异常因子对应的相关系数平均值。即如下面的公式所示：
[0116][0117]
其中，j属于m。
[0118]
进一步，计算各个异常因子的中间权重，所述的各种异常因子的中间权重与该种异常因子对应的相关系数平均值负相关。具体的，针对某种异常因子，所述的负相关指该种异常因子的中间权重与该种异常因子对应的相关系数平均值存在负相关关系。所述的负相关关系包括但不限于与该种异常因子对应的相关系数平均值的相反数存在关系。一个实施例中，第j种异常因子的中间权重d
j
等于1减去该种异常因子对应的相关系数平均值；即如下面的公式所示：
[0119][0120]
其中，j属于m。
[0121]
进一步，计算各个异常因子的权重值，其中，第j个异常因子的权重值w
j
等于该异常因子的中间权重除以全部异常因子的中间权重的和。即如下面的公式所示：
[0122][0123]
其中j属于m。
[0124]
进一步，计算每辆穿梭车在相关系数法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在相关系数法评分方法下的评分，再对各穿梭车的相关系数法评分方法下的评分排序以得到对应穿梭车的所述故障等级。即如下面的公式所示：
[0125][0126]
其中，f
ir
表示第i辆穿梭车在相关系数法评分方法下的评分，且i属于n，j属于m。
[0127]
如前文所述，根据相关系数法评分方法评分值结果按从小到大的顺序计算每辆穿梭车相应的排序值，此处称作秩，第i辆穿梭车的秩记作其表示第i辆穿梭车在相关系数法评分方法下的故障等级。可选的，也可将前文计算的每辆穿梭车的评分作为其对应的故障等级。
[0128]
本发明的一个实施例采用相关系数法评分方法的目的在于有效降低或减小异常因子间相互重复的信息。若某个异常因子已经包含了其他异常因子的信息，则其权重值应该小，否则权重值应该大。通过相关系数的大小来度量异常因子间信息量的重合度。若某异常因子与其他异常因子的相关系数平均值较低，则表示该异常因子与其他因子重合度低，应赋予较大权重。上述平均值计算公式和中间权重d
j
计算公式则具体实现这一步。权重值w
j
的计算公式表示对权重进行归一化。
[0129]
可选地，所述多种故障等级分析方法中的一种为方差法评分方法，包括：
[0130]
针对每种异常因子，计算全部穿梭车的该异常因子对应的中间值的方差；
[0131]
计算各异常因子的权重值，其中，第j个异常因子的权重值等于该异常因子的所述方差除以全部异常因子的所述方差的和；
[0132]
计算每辆穿梭车在方差法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在方差法评分方法下的评分，再对各穿梭车的方差法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
[0133]
如图3所示的一个实施例包括方差法评分方法。实际使用过程中，需要首先针对每种异常因子，计算全部穿梭车的该种异常因子对应的中间值的方差；具体如下面的公式所示：
[0134][0135]
其中，var
j
表示第j种异常因子对应的中间值的方差，表示第j种异常因子对应的中间值的平均值，其中i属于n，j属于m。
[0136]
进一步，计算各异常因子的权重值，其中，第j种异常因子的权重值w
j
等于该异常因子的所述方差除以全部异常因子的所述方差的和；具体如下面的公式所示：
[0137][0138]
其中，j属于m。
[0139]
再计算每辆穿梭车在方差法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在方差法评分方法下的评分，再对各穿梭车的方差法评分方法下的评分排序以得到对应穿梭车的所述故障等级。即如下面的公式所示：
[0140][0141]
其中，f
iv
表示第i辆穿梭车在方差法评分方法下的评分，且i属于n，j属于m。
[0142]
如前文所述，根据方差法评分方法的评分结果按从小到大的顺序计算每辆穿梭车相应的排序值，此处称作秩，第i辆穿梭车的秩记作其表示第i辆穿梭车在方差法评分方法下的故障等级。可选的，也可将每辆穿梭车的评分作为其对应的故障等级。
[0143]
本发明的一个实施例采用方差法评分方案的主要目的是改进熵值法缺点。熵值法本质是若某个指标的变异性大，则赋予较大权重。熵值法的公式中，不能有取值为零的数值，否则无定义。在对异常数据做了按中间值计算公式的转换后，至少每个因子向量有1个分量为零。因此不适合用熵值法。而本发明的一个实施例采用方差法评分法直接用方差度量每个因子的离散程度，实现了和熵值法同样的目的，但不要求因子中不能有零的缺点。
[0144]
可选地，所述多种故障等级分析方法中的一种为专家法评分方法，包括：
[0145]
预设各个异常因子对应的权重值；
[0146]
计算每辆穿梭车在专家法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在专家法评分方法下的评分，再对各穿梭车的专家法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
[0147]
如图4所示的一个实施例包括专家法评分方法。实际使用过程中，首先根据专家意见，预设各个异常因子对应的权重值w
j
；其中，w
j
表示第j种异常因子的权重值。
[0148]
再计算每辆穿梭车在专家法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在专家法评分方法下的评分，再对各穿梭车的专家法评分方法下的评分排序以得到对应穿梭车的所述故障等级。即如下面的公式所示：
[0149][0150]
其中，f
ie
表示第i辆穿梭车在专家法评分方法下的评分，且i属于n，j属于m。
[0151]
根据专家法评分方法的评分值结果按从小到大的顺序计算每辆穿梭车相应的排序值，此处称作秩，第i辆穿梭车的秩记作其表示第i辆穿梭车在专家法评分方法下的故障等级。可选的，也可将每辆穿梭车的评分作为其对应的故障等级。
[0152]
如前文所述，针对本发明一个实施例所示的穿梭车的4种异常因子，即异常次数、异常种类数量、异常率、故障间隔小时，此处示例性的分别依次选择如下的权重值：0.5、0.3、0.1和0.1。
[0153]
步骤103，分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级。
[0154]
可选地，所述分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级，包括：
[0155]
预设各个故障等级分析方法对应的权重值；
[0156]
针对每辆穿梭车，依次计算每种故障等级分析方法下该穿梭车的故障等级与该故障等级分析方法对应的权重值的积，再将所有的积求和以得到该穿梭车的综合评分，再对各个穿梭车的综合评分排序以得到对应穿梭车的所述综合故障等级。
[0157]
如前文所述，针对不同的故障等级分析方法可以获得各辆穿梭车对应方法下的故障等级。为了综合评估上述各个故障等级，需要对各种故障等级的数值进行整合。实际操作中，可以简单地将各辆穿梭车在不同故障等级分析方法下的故障等级直接相加，以获得最终的综合故障等级。当然，也可以根据每种故障等级分析方法侧重点的不同，设置不同的权重值，然后针对每辆穿梭车依次计算每种故障等级分析方法下该穿梭车的故障等级与该故障等级分析方法对应的权重值的积，再将所有的积求和以得到该穿梭车的综合评分，再对各个穿梭车的综合评分排序以得到对应穿梭车的所述综合故障等级。实践中以每辆穿梭车的综合评分升序排序，将排序值作为各个穿梭车对应的综合故障等级。可选的，也可将各辆穿梭车的综合评分作为其对应的综合故障等级。如图5所示的一个实施例中，采用如下公式计算综合评分：
[0158][0159]
其中，f
i
表示第i辆穿梭车综合评分，w
r
为相关系数法评分方法的权重值、w
v
为方差法评分方法的权重值、w
e
为专家法评分方法的权重值；且i属于n。
[0160]
可选地，预设的各个故障等级分析方法对应的权重值相等。
[0161]
本发明一个实施例示例性的选择预设的各个故障等级分析方法对应的权重值相等。诸如针对附图5所示的三种评分方法，第i辆穿梭车综合评分f
i
为如下公式所示：
[0162][0163]
可选地，预设的所述权重值的和为1。
[0164]
本发明的一个实施例示例性的选择将专家法评分方法中预设的各个异常因子对应的权重值的和为1，和/或，计算各辆穿梭车在多种故障等级分析方法下的综合故障等级时的预设各个故障等级分析方法对应的权重值的和为1，和/或，计算各个穿梭车在多种故
障等级分析方法下的综合故障等级时的预设各个故障等级分析方法对应的权重值相等且和为1。
[0165]
步骤s104，根据每辆穿梭车的综合故障等级确定故障穿梭车，并生成控制指令控制所述故障穿梭车停止作业。
[0166]
可选地，根据每辆穿梭车的综合故障等级确定故障穿梭车还包括：
[0167]
根据综合故障等级选取降序排序结果的前α％辆穿梭车或前a辆穿梭车作为故障穿梭车。
[0168]
实际使用过程中，可以根据实际的维修人员的数量、维修设备的数量、维修人员的维修熟练程度等因素综合选择需要下线维修的故障穿梭车的数量。具体的，如前文所述以每辆穿梭车的综合评分升序排序，将排序值作为各个穿梭车对应的综合故障等级。再根据综合故障等级对各辆穿梭车按降序排序，以选取故障严重的穿梭车，即选取降序排序结果的前α％辆穿梭车或前a辆穿梭车作为故障穿梭车，并生成控制指令控制所述故障穿梭车停止作业。当按百分比确定故障穿梭车时，需要对计算结果取整，具体的可对计算结果向上取整，或向下取整。在维修资源充足的情况下，可以适当增大上述数值，使较多的设备下线维修；而在维修资源不足的情况下，可以适当减小上述数值。总之，根据本发明实施例提供的方法确定的排序靠前的设备的异常情况较为严重。进而控制确定的所述故障穿梭车停止作业，再下线维修，从而有针对性的利用有限的维修资源，提高资源的利用率，最终达到优化维系效率的目的。
[0169]
根据本发明实施例的第二方面，提供一种确定故障穿梭车的装置。
[0170]
图6是根据本发明实施例的确定故障穿梭车的装置的主要模块的示意图，如图6所示，确定故障穿梭车的装置600包括：
[0171]
采集模块601，采集各穿梭车的多种异常因子对应的异常数据；
[0172]
评估模块602，根据多种故障等级分析方法和异常数据确定对应故障等级分析方法下各穿梭车的故障等级；分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级；
[0173]
确定模块603，根据每辆穿梭车的综合故障等级确定故障穿梭车，并生成控制指令控制所述故障穿梭车停止作业。
[0174]
可选的，采集模块中所述采集各穿梭车的多种异常因子对应的异常数据包括：
[0175]
采集各辆待确定穿梭车一段时间内的每日多种异常因子的数据；
[0176]
针对每辆穿梭车，分别计算其每种异常因子对应的异常数据在所述一段时间内的采样值；
[0177]
根据所述采样值确定每种异常因子对应的极差，每辆穿梭车的每种异常因子对应的中间值与该种异常因子的极差正相关；
[0178]
分别针对每种异常因子，将该种异常因子下各辆穿梭车的所述中间值按所述穿梭车的编号排序，组成该种异常因子对应的因子向量；
[0179]
将所述因子向量作为所述多种故障等级分析方法分析的异常数据。
[0180]
可选的，采集模块中所述的采样值为每辆穿梭车的每种异常因子对应的异常数据在所述一段时间内的平均值、中位数、最大值或最小值中的一种。
[0181]
可选的，评估模块中所述多种故障等级分析方法中的一种为相关系数法评分方
法，包括：
[0182]
针对每个因子向量，分别计算其与全部因子向量间的相关系数，并按上述计算顺序将相应的相关系数作为相关系数矩阵中的对应元素；
[0183]
根据所述的相关系数矩阵计算每种异常因子对应的相关系数平均值，其中，首先确定相关系数矩阵中的第j列元素求和结果与1的差值，再将差值除以(m
‑
1)以获得第j种异常因子对应的相关系数平均值；
[0184]
计算各个异常因子的中间权重，所述的各种异常因子的中间权重与该种异常因子对应的相关系数平均值负相关；
[0185]
计算各个异常因子的权重值，其中，第j个异常因子的权重值等于该异常因子的中间权重除以全部异常因子的中间权重的和；
[0186]
计算每辆穿梭车在相关系数法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在相关系数法评分方法下的评分，再对各穿梭车的相关系数法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
[0187]
可选的，评估模块中所述多种故障等级分析方法中的一种为方差法评分方法，包括：
[0188]
针对每种异常因子，计算全部穿梭车的该异常因子对应的中间值的方差；
[0189]
计算各异常因子的权重值，其中，第j个异常因子的权重值等于该异常因子的所述方差除以全部异常因子的所述方差的和；
[0190]
计算每辆穿梭车在方差法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在方差法评分方法下的评分，再对各穿梭车的方差法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
[0191]
可选的，评估模块中所述多种故障等级分析方法中的一种为专家法评分方法，包括：
[0192]
预设各个异常因子对应的权重值；
[0193]
计算每辆穿梭车在专家法评分方法下的故障等级，其中，针对每辆穿梭车，依次计算每种异常因子对应的中间值与对应的异常因子的权重值的积，再将所有的积求和以得到该辆穿梭车在专家法评分方法下的评分，再对各穿梭车的专家法评分方法下的评分排序以得到对应穿梭车的所述故障等级。
[0194]
可选的，评估模块中所述分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级，包括：
[0195]
预设各个故障等级分析方法对应的权重值；
[0196]
针对每辆穿梭车，依次计算每种故障等级分析方法下该穿梭车的故障等级与该故障等级分析方法对应的权重值的积，再将所有的积求和以得到该穿梭车的综合评分，再对各个穿梭车的综合评分排序以得到对应穿梭车的所述综合故障等级。
[0197]
可选的，评估模块中预设的各个故障等级分析方法对应的权重值相等。
[0198]
可选的，评估模块中预设的所述权重值的和为1。
[0199]
可选的，确定模块中根据每辆穿梭车的综合故障等级确定故障穿梭车还包括：
[0200]
根据综合故障等级选取降序排序结果的前α％辆穿梭车或前a辆穿梭车作为故障穿梭车。
[0201]
图7示出了可以应用本发明实施例的确定故障穿梭车的方法或确定故障穿梭车的装置的示例性系统架构700。
[0202]
如图7所示，系统架构700可以包括终端设备701、702、703，网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0203]
用户可以使用终端设备701、702、703通过网络704与服务器705交互，以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
[0204]
终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
[0205]
服务器705可以是提供各种服务的服务器，例如对用户利用终端设备701、702、703所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息
‑‑
仅为示例)反馈给终端设备。
[0206]
需要说明的是，本发明实施例所提供的确定故障穿梭车的方法一般由服务器705执行，相应地，确定故障穿梭车的装置一般设置于服务器305中。
[0207]
需要说明的是，本发明实施例所提供的确定故障穿梭车的方法一般由终端设备执行，相应地，确定故障穿梭车的装置一般设置于终端设备中。
[0208]
应该理解，图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
[0209]
下面参考图8，其示出了适于用来实现本发明实施例的终端设备的计算机系统800的结构示意图。图8示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0210]
如图8所示，计算机系统800包括中央处理单元(cpu)801，其可以根据存储在只读存储器(rom)802中的程序或者从存储部分808加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理。在ram 803中，还存储有系统800操作所需的各种程序和数据。cpu 801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
[0211]
以下部件连接至i/o接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至i/o接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
[0212]
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在
这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(cpu)801执行时，执行本发明的系统中限定的上述功能。
[0213]
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0214]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0215]
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括采集模块、评估模块、确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，采集模块还可以被描述为“采集各穿梭车的多种异常因子对应的异常数据的模块”。
[0216]
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：采集各穿梭车的多种异常因子对应的异常数据；根据多种故障等级分析方法和异常数据确定对应故障等级分析方法下各穿梭车的故障等级；分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级；根据每辆穿梭车的综合故障等级确定故障穿梭车，并生成控制指令控制所述故障穿梭车停止作业。
[0217]
根据本发明实施例的技术方案，根据多种故障等级分析方法和异常数据确定对应故障等级分析方法下各穿梭车的故障等级；分别针对每辆穿梭车，确定其在多种故障等级分析方法下的综合故障等级；根据每辆穿梭车的综合故障等级确定故障穿梭车，并生成控制指令控制所述故障穿梭车停止作业；能够充分利用每个分析方法侧重点不一样，优点不一样的特点，客观真实的反映设备异常状态；并综合考虑多个评分法的结果，有效避免单一评分方法所造成的偏差；充分利用有限的维修资源处理确认后的故障穿梭车(即所述停止作业的穿梭车)，提高维修的有效性和维修效率；解决现有技术中的分析方法误判故障设备而导致维修资源浪费的问题。通过采用相关系数法评分方法有效降低或减小异常因子间相互重复的信息；即若某个异常因子已经包含了其他异常因子的信息，则其权重值应该小，否则权重值应该大；从而降低或减小因子间相互重复的信息。通过采用方差法评分方法克服了熵值法中指标不能为零的缺点，并且直接用方差度量每个因子的离散程度，实现了和熵值法同样的目的。
[0218]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。